CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI CITRA PENYAKIT DIABETES RETINOPATHY

Abstract

Diabetic Retinopathy (DR) merupakan suatu komplikasi yang terjadi karena adanya kerusakan pada pembuluh darah retina. DR melalui citra retina mata sudah pernah diteliti menggunakan proses peningkatan kualitas citra maupun teknik filtering. Citra DR, memiliki garis tebal dan tipis pada citra fundus dimana tebal tipisnya digunakan untuk menentukan apakah citra fundus tersebut terkategori sebagai citra DR. Biasanya, teknik filtering diperlukan dalam mempertajam garis pada citra fundus. Pada penelitian ini, optimasi dalam klasifikasi citra retina mata yang terdiagnosa retinopati telah dilakukan menggunakan algoritma Convolutional Neural Network (CNN) dengan tujuan pengenalan pembuluh darah pada retina mata terdiagnosa DR. Urgensi dari penelitian ini yaitu melakukan uji performa CNN dalam proses klasifikasi citra DR pada jumlah data yang cukup besar tanpa menggunakan preprosesing apapun sehingga dapat disimpulkan bahwa CNN saja sudah mampu mengklasfikasi objek dengan baik. Citra berasal dari Kaggle database dengan total 88702 citra yang di sortir menjadi 88000 data. Hasil klasifikasi citra benar yaitu 82445 dengan prosentse 93,68% sedangkan citra salah klasifikasi yaitu 5555 citra dengan prosentase kegagalan yaitu 6,32%.